[发明专利]一种基于三维点云的人体围度参数测量方法

说明书

技术领域

本发明涉及人体工程学技术领域，具体来说是一种基于三维点云的人体围度参数测量方法。

背景技术

三维人体尺寸测量根据测量方式的不同，可分为接触式测量和非接触式测量两种。而利用光学与视觉技术的非接触式三维测量方式因高响应和高分辨率而备受青睐。其中基于结构光的非接触式人体三维测量以其大量程、大视场、高精度、实时性强及主动受控等优势，日益受到重视并在人体尺寸测量中得到广泛应用。然而在有限结构光采集设备扫描并重建人体三维点云时，往往由于人体自身遮挡、采集信息不完备及扫描死角等原因使得一些位于人体两侧的点云数据缺失，直接导致人体剖面尺寸测量环节剖面点云数据拟合的失败。

发明内容

本发明针对现有技术的不足，提供了一种基于三维点云的人体围度参数测量方法。本发明方法具体是：

步骤(1)将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的纵向高度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转化为二维平面点集，即获得剖面点云数据。

步骤(2)结合三维人体点云数据获取的几何约束条件，通过对二维平面点集上的剖面点云数据进行水平投影分析，自动完成剖面点云数据的分类。

步骤(3)对分类后的数据，分析各类数据缺失部分点所在位置，利用缺失部分周围的点，获取待拟合点云数据。

步骤(4)对各个类的数据，经过步骤(3)后，选择二次曲线参数方程，并采用最小二乘法拟合点云数据，利用获得的拟合曲线完成缺口补点的工作。

步骤(5)在步骤(4)的基础上，采用凸包算法计算各个分类数据所对应身体部位的围度。

本发明提供了一种基于三维点云的人体围度参数测量方法，能够使人体身体围度的测量结果更加接近真实值，有着广泛的应用前景。

附图说明

图1为本发明的方法流程图；

图2三维人体剖面点云自动聚类及比较，其中：

(a)分类方法示意，(b)k均值聚类方法结果，(c)本发明投影方法；

图3最小二乘拟合前的预处理过程示意图；其中：

(a)顺时针采样，(b)点云局部放大图，(c)缺口示意图，(d)全局采样；

图4为本发明对人体剖面点云的拟合结果图，其中：

(a)原始剖面点云，(b)本发明拟合结果。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，一种基于三维点云的人体围度参数测量方法，包括：

(1)将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的纵向高度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转化为二维平面点集。

(2)结合三维人体点云数据获取的几何约束条件，通过对二维平面点集上的点云数据进行水平投影分析，自动完成剖面点云数据的分类。

(3)对分类后的数据，分析各类数据缺失部分点所在位置，利用缺失部分周围的点，获取待拟合点云数据。

(4)对各个类的数据，经过步骤(3)后，选择二次曲线参数方程，并采用最小二乘法拟合点云数据。利用获得的拟合曲线完成缺口补点的工作。

(5)在步骤(4)的基础上，采用凸包算法计算各个分类数据所对应身体部位的围度。

将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的纵向高度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转化为二维平面点集的具体过程包括以下步骤：

1.将不同采集设备获取的点云数据拼合至同一个三维坐标系x-y-z，其中y轴为人体的纵向，x-z为人体水平面；

2.根据指定的z值，将三维人体剖面点云数据转化为二维平面点集。

结合三维人体点云数据获取的几何约束条件，通过对二维平面点集上的点云数据进行水平投影分析，自动完成剖面点云数据的分类的具体过程包括以下步骤：

1.首先把剖面点云数据沿横轴方向由小到大进行排序；

如图2(a)为分类方法示意，图2(b)为k均值聚类方法结果。图2(c)所示，由于对三维人体进行切面前，须旋转人体点云方向，使人体朝向与z轴平行。因此可以把剖面点云沿x轴进行水平投影，即由二维图形变成一维图形进行分类。首先把各个点沿x轴由小到大进行排序。

2.以一个阈值T作为标准值，对相邻两点的横轴坐标分量的差值超过阈值T的数量进行统计，如果数量个数记为C，即认为可以将样本分为C+1类。